1. 研究目的与意义（文献综述包含参考文献）

文献综述 一、研究的背景和意义 随着现代工业及科学技术的迅速发展，系统的规模越来越大，复杂性也越来越高，大量的过程控制器被用于克服过程中的扰动和变化，使得过程模型的复杂程度不断增大。

企业每天都在产生和存储大量的过程测量数据，这些数据反映了生产过程及设备的运行情况。

由于这些数据源维数高，变量间关系复杂，直接基于原始数据建立故障检测模型较为复杂，而且故障诊断性能较低，因此需要进行维数约简，提取有效的数据进行分析。

2. 研究的基本内容、问题解决措施及方案

本课题要研究或解决的问题： 本课题针对化工过程中存在强非线性、强耦合性和多模态等特性，使得过程中数据不能直接反映过程的运行状态，故障检测性能较低，因此需要进行维数约简，提取有效数据进行分析。

传统的线性降维算法，如pca、ica，只限于线性变换，不能有效提取原始数据的非线性成分。

流形学习非线性降维算法能够发现高维数据集分布的内在规律，保持了局部近邻结构不变。